Token导航 LogoToken导航

MCP Server · AI代理

Langgraph Selfpaced Course

这是一个使用LangGraph和Google Gemini从零开始构建生产级自主代理的自学课程,采用'边做边学'的方法,包含多个模块化项目。

未说明官方级别未说明来源级核验工具 0
AI代理PythonAI开发

快速开始

公开资料没有提供安装命令,按仓库或官方文档接入。
作者 / 组织
ashishpatel26
提供方
ashishpatel26

工具数量

0

来源目录标注

资源数量

0

来源目录标注

提示词数量

0

来源目录标注

GitHub Star

17

仓库热度

收录来源

1 个

MCP World

选型结论

Langgraph Selfpaced Course 属于AI代理类 MCP Server,公开资料标注 0 个工具,通过传输方式未标注接入,客户端适配情况以官方文档为准,没有现成的安装命令;接入前先确认权限范围。

分类

AI代理

传输方式

未说明

认证方式

无需认证

部署方式

公开资料未说明

安装与配置

公开目录没有给出安装命令,需要按仓库 README安装;下面按同类条目的通用流程说明。

公开命令不是通用的启动方式,拼不出可靠配置示例;请在客户端 MCP 配置里按官方文档填写 command 和 args。

上手步骤

  1. 1

    先确认运行方式

    公开资料没有标注传输方式,先看仓库 README,确认是本地进程还是远程地址。

  2. 2

    获取服务

    公开目录没有给出安装命令,按仓库 README里的步骤安装或获取服务。

  3. 3

    写入客户端配置

    在客户端的 MCP 配置里填启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4

    验证是否可用

    连接成功后客户端会列出 0 个工具,随便调一个只读工具确认能返回结果。

接入前确认

不要直接授予不必要的文件、网络或账号权限;先核对安装命令和配置内容。

公开资料仍需确认:安装命令

详细介绍

🦜🕸️ LangGraph自主学习

欢迎来到 终极语言图谱1.0课程! 🚀

此存储库旨在将您从完全的初学者带到构建生产就绪 自治代理 使用LangGraph和谷歌Gemini。

______________________________________________________________________

📚 如何学习

本课程遵循 “边做边学” 哲学。每个模块都是一个独立的小项目。

  1. 概念(concept.md):请先阅读此内容以了解 *理论*.
  2. 项目(project.py):运行此命令以查看 *工作实例*.
  3. 挑战(challenge.py):一个破碎/不完整的剧本。 你的工作就是修复它!
  4. 解决方案(solution.py):卡住了?检查参考答案。

______________________________________________________________________

🛠️ 设置

我们使用 紫外线 用于快速依赖管理。

  1. 安装uv:
   # Windows
   powershell -c "irm https://astral.sh/uv/install.ps1 | iex"
   # macOS/Linux
   curl -LsSf https://astral.sh/uv/install.sh | sh
  1. 再进行:
   uv sync
  1. 设置API密钥:

重命名 .env.example 到 .env 并添加您的 Google API密钥.

   cp .env.example .env
   # Edit .env and add GOOGLE_API_KEY=...

______________________________________________________________________

🗺️ 课程概述

1.基础:思维链

文件夹: 01-foundations

学习以下基础知识 节点, 边缘,以及 状态图我们构建了一个模拟思维过程的系统。

graph LR
    START((Start)) --> Planner
    Planner --> Analyst
    Analyst --> Concluder
    Concluder --> END((End))
    
    style START fill:#f9f,stroke:#333,stroke-width:2px
    style END fill:#f9f,stroke:#333,stroke-width:2px
  • 目标:通过一系列函数传递状态字典。
  • 跑: uv run 01-foundations/project.py

______________________________________________________________________

2.状态管理:订单机器人

文件夹: 02-state-management

大师 State 模式。学习如何使用 归约器 (比如 add_messages)并处理复杂的数据流。

graph LR
    START((Start)) --> Validator
    Validator --> Calculator
    Calculator --> Receipt
    Receipt --> END((End))
  • 目标:验证订单,计算总额,并打印收据。
  • 跑: uv run 02-state-management/project.py

______________________________________________________________________

3.坚持:支持机器人

文件夹: 03-persistence

添加 记忆 给你的代理人!了解 检查点 和 线程ID 记住重启时的对话。

graph TD
    START((Start)) --> Bot
    Bot --> END((End))
    
    subgraph "💾 MemorySaver"
    Bot
    end
  • 目标:一个聊天机器人,即使你重新启动脚本,它也会记住你的名字和问题。
  • 跑: uv run 03-persistence/project.py

______________________________________________________________________

4.循环中的人:部署管理器

文件夹: 04-human-in-the-loop

学习如何 暂停 使用以下方式执行人工批准 interrupt_before 并继续 Command.

graph TD
    START((Start)) --> Prepare
    Prepare -->|Interrupt| Deploy
    Deploy --> END((End))
    
    style Deploy stroke:#f00,stroke-width:4px
  • 目标:一个部署系统,等待您在“部署”代码之前键入“yes”。
  • 跑: uv run 04-human-in-the-loop/project.py

______________________________________________________________________

5.工具使用:旅行社

文件夹: 05-tool-use

构建一个真实的 反应代理学习如何将工具(函数)绑定到LLM,并让它决定何时调用它们。

graph TD
    START((Start)) --> Agent
    Agent -->|Call Tool| Tools
    Tools --> Agent
    Agent -->|Final Answer| END((End))
  • 目标:一个可以搜索航班(以及挑战中的天气!)的代理。
  • 跑: uv run 05-tool-use/project.py

______________________________________________________________________

6.MCP集成:数据库分析师

文件夹: 06-mcp-integration

使用将您的代理连接到世界 模型上下文协议(MCP)。我们模拟与SQLite数据库的连接。

graph TD
    START((Start)) --> Agent
    Agent -->|MCP Protocol| SQLite[SQLite DB]
    SQLite --> Agent
    Agent --> END((End))
  • 目标:可以查询数据库以回答有关用户和订单的问题的代理。
  • 跑: uv run 06-mcp-integration/project.py

______________________________________________________________________

7.特殊项目:A2A+MCP

文件夹: 07-special-project-a2a-mcp

合并 代理人对代理人 与…沟通 主控程序 工具。

  • 侦察兵:查找表。
  • 分析师:查询表格。
graph LR
    START((Start)) --> Scout
    Scout -->|Handoff| Analyst
    Analyst --> END((End))
    
    subgraph "Distributed Tools"
    Scout -.-> ListTables
    Analyst -.-> RunQuery
    end
  • 目标:一个代理将关键信息传递给另一个代理以解决任务的管道。
  • 跑: uv run 07-special-project-a2a-mcp/project.py

______________________________________________________________________

8.多代理编排:开发团队

文件夹: 08-multi-agent-orchestration

扩大规模!使用 主管模式.

graph TD
    START((Start)) --> Supervisor
    Supervisor -->|Route| Coder
    Supervisor -->|Route| Tester
    Coder --> Supervisor
    Tester --> Supervisor
    Supervisor -->|Finish| END((End))
  • 目标:一个“主管”,管理一个“程序员”和一个“测试员”来编写和验证代码。
  • 跑: uv run 07-multi-agent-orchestration/project.py

______________________________________________________________________

9.Capstone:自主研究者

文件夹: 09-capstone-project

最后的老板。将你所学到的一切整合到一个强大的应用程序中。

graph LR
    START((Start)) --> Researcher
    Researcher -->|Draft| Editor
    Editor -->|Review| END((End))
    
    subgraph "Tools"
    Researcher -.-> Search
    end
  • 目标:研究主题、撰写草稿并在定稿前征求您批准的助理。
  • 跑: uv run 08-capstone-project/main.py

______________________________________________________________________

🤝 贡献

如果您发现错误或想添加更多挑战,请随时打开问题或PR!

快乐编码! 🤖

工具与能力

工具数量

0

资源数量

0

提示词数量

0

能力标签

自主代理Python本地部署AI开发LangGraphGemini集成多代理系统

数量来自来源目录的标注,具体工具清单以官方文档为准。

典型使用场景

多步任务编排

把拆解、检索、执行串成一条链,模型按步骤调用工具。

长期上下文

把会话、笔记和知识放到外部存储,换个会话还能接着做。

接自有流程

把内部系统和模型连起来,让助手调用已有的工作流。

选择建议

值得选的地方

  • 只提供 0 个工具,职责集中,接入后不容易误操作。
  • 公开说明写得比较完整,接入前能看清能力边界。

先想清楚的地方

  • 公开资料没有可直接复制的安装命令,第一次接入要自己找入口。
  • 第三方目录整理,版本更新和行为细节以官方仓库为准。

更适合

  • 需要在AI代理场景里让模型直接调用外部能力的人。
  • 愿意照着官方文档一步步配环境的人。

不太适合

  • 希望一条命令就装好、不想看文档的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

5 个同类
MCP Server工具数传输方式安装命令收录来源最后核验
Langgraph Selfpaced Course

MCP World · 本页

0未说明未标注1 个2026-05-17
Everything Claude Code

MCP World

0stdio有1 个2026-05-17
Filesystem 560c4363

MCP World

13未说明未标注2 个2026-05-17
Time 7365cb6d

MCP.so

2SSE有2 个2026-05-17
Server Everything (everything)

MCP World

11stdio有1 个2026-05-17

按同分类和工具数量挑出最接近的几条,字段以各自详情页为准。

常见问题

5 条

Langgraph Selfpaced Course 怎么安装?

公开目录没有给出可以直接复制的安装命令,需要按仓库 README里的步骤安装;装好后写进客户端的 MCP 配置再重启。

Langgraph Selfpaced Course 怎么在 Claude Desktop、Cursor 里配置?

它是传输方式未标注,客户端配置里要写启动命令和参数,运行环境是 未标注;保存后完全退出客户端再打开,配置才会生效。

Langgraph Selfpaced Course 收费吗?

本站只整理公开资料,不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

Langgraph Selfpaced Course 需要 API Key 吗?

公开资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

Langgraph Selfpaced Course 支持哪些客户端?

公开资料没有标注具体客户端;能配置本地 MCP 命令的客户端都能接,配置方式参照官方文档。

来源信息

继续浏览同类 MCP